图像无损压缩算法JPEG-LS实现及性能研究

*! !!! & "*
光!学!仪!器
第! "卷!
像的需求日益增长! 日常生活中! 人们希望能够完整保存某些有纪念意义的照片%在科学研究中! 人们希 望把能够记录时代信息的图像完整保存起来! 为后世或后来的研究保留完整的资料%但图像资料数据量 庞大! 存储这些资料给存储设备和网络传输常来很大的压力! 只有无损压缩技术的发展才可解决% 无损压缩是没有任何信息损失的压缩! 即& 无损压缩极限受其信息熵决定% 即对于 % % \重建原图像! 最大压缩比为' + ! 为图像信息熵%图像的信息熵不一样! 同一种算法对不同的图像 '位图像! U# Q$ U# Q$ 压缩比是不一样的%常见的无损压缩方法有预测编码) 熵编码和 . [ N 编码等% 无损图像压缩算法是上 述几种算法的组合! 或再辅以某种正交变换% 文献 ' ( 系统地评估了以下几种无损压缩算法% 但这几种 & 为此联合图像专家组 # 制定了无损压缩标准" % 方法都只是针对某一类图像压缩有效! ` ) 4 ]$ ` ) 4 ] > . 0 游程编码以及熵编码! 虽然对某一类图像的压缩效果不一定最好! 但具有最广 ` ) 4 ] > . 0综合了预测编码! 泛的实用性%
图像无损压缩算法 ` ) 4 ] > . 0 实现及性能研究
宋鸿梅& 徐学庆$ 牟海维& 赵冬岩&
&东北石油大学 电子科学学院 黑龙江 大庆! & " ! ! & ' 黑龙江 大庆! $大庆油田有限责任公司第三采油厂地质大队 & " ! ! & '
摘要对图像的无损压缩算法进行了研究 讨论了 ` 阐述了该算法的基 ) 4 ] > . 0 图像压缩算法 对其实现的细节及关键技术进行了深入研究 并用 , 语言实现了该算法 大量图像压 本原理 缩实验表明 该算法是一种优越的无损压缩算法 对于多数图像 压缩比可以非常接近无损压缩 极限 并且算法的运算时间很少 一幅= & $ i = & $的' 比特灰度图像的压缩和解压缩时间是毫秒 级的 完全可以满足实时图像处理的要求 关键词图像压缩无损压缩 熵编码 ` ) 4 ] > . 0 中图分类号 * /? & & -! ! " # & % 8 ! ? " ? 8 B ; ; D 8 & % % = > = " ! % 8 $ % & # 8 % # 8 % % ' !文献标志码 G
< X G Y T H Z :的编码说明 !
对于当前像素Q! 首先利用其周围相关的像素/! ! ! 根据梯度决定该局部区域是 U 9 2 计算其三个梯度! 平滑区域还是规则# $ 区域! 如图 $ 所示! 对于前者采用游程 # $ 编码! 对于后者采用规 1 E 9 7 A J 1 9 D > . E D < H : :
图< !简单编码流程 9 # 8 < ) % , # ; 0 # . # % ! % ( ' " ! # ( . 0 " 1 ' ) * 2 & != + > +
图? !图像数据边界处理示例 9 # 8 ? (% J * ; 0 % " . & ) % # ; * % H % ! %> 2 " ' % , , # ( !5 + > + + +
I % * 0 # O * & # " (* ( !> % 2 . " 2 ; * ( ' % " . 0 " , , 0 % , , # ; * % H ' " ; 2 % , , # " ( + > X G Y T H Z :* 0 " 2 # & ) ; +
& & & ! " # $. 0 ( V ' + = C= 4 ' + ( 3C. / + T ' + M .; "E 0 ( / ( ) L )$ ) A
收稿日期 $ % & # > % & > & # 基金项目国家自然科学基金资助项目 = & ! X # % X $ " & ! % $ % " # 作者简介宋鸿梅 女 讲师 博士 主要从事数据压缩 图像压缩和图像处理方面的研究4 & ? X & > > @ A B 7 ; 6 D & ? ? X A A & $ " 8 C 6 @ : M M !
& 8 , 6 7 7 E E6 I4 7 E C < J 6 D B C0 C B E D C E / 6 J < H E A ; <) E < J 6 7 E 9 @2 D B L E J ; B < Y A B D " ! ! & ' , H B D A : M T :& $ 8 ] E 6 7 6 B C A 7* E A @( B 71 E C 6 L E J 7 A D </ 6 8 !Y A B D B 7 I B E 7 F, 6 8 . < F 8 Y A B D " ! ! & ' , H B D A : M) T :( T :&
5 / , & 2 * ' & * H B ;Q A E J ; < 9 F B E ; A 7 6 ; ; 7 E ; ; B @ A E > C 6 @ J E ; ; B 6 DA 7 6 J B < H @ < H E ` ) 4 ] > . 0A 7 6 J B < H @8 Q : Q : : * H EO A ; B CQ J B D C B 7 E ;6 I < H E A 7 6 J B < H @A J EO J B E I 7 B ; C 9 ; ; E FA D F< H ER E E C H D 6 7 6 B E ;A J EF E E 7 Q : MF M< : Q M ; < 9 F B E F 8 * H E D < H B ; A 7 6 J B < H @P A ; J E A 7 B V E FO ; B D < H E,Q J 6 J A @@ B D 7 A D 9 A E 8 4 S E J B @ E D < A 7 : M9 : : : : : Q J E ; 9 7 < ;6 I < H E B @ A E C 6 @ J E ; ; B 6 DF E @ 6 D ; < J A < B 6 D ; ; H 6 P< H A < < H E A 7 6 J B < H @B ; A ; 9 E J B 6 J 7 6 ; ; 7 E ; ; : Q : Q C 6 @ J E ; ; B 6 DA 7 6 J B < H @ A D F< H EB @ A E > C 6 @ J E ; ; B 6 DJ A < B 6C A DO EL E J C 7 6 ; E< 6< H EE D < J 6 Q : : Q M Q M 7 B @ B < A < B 6 D A D F < H E C 6 D ; 9 @ < B 6 D6 I C 6 @ 9 < B D < B @ E 6 I < H B ; A 7 6 J B < H @B ; L E J 7 6 P8 + < 6 D 7 E E F ; Q Q : : M MD ; 6 @ E@ B 7 7 B ; E C 6 D F ; < 6 C 6 @ J E ; ; A D FF E C 6 @ J E ; ; A J A ; C A 7 E B @ A EP B < H < H E ; B V E 6 I = & $ i = & $ i ' Q Q : M : A D F B < I 9 7 7 E E < ; < H E J E A 7 > < B @ E J E 9 B J E @ E D < ; 8 M@ T 6 % " 2 ! , B @ A E C 6 @ J E ; ; B 6 D 7 6 ; ; 7 E ; ; C 6 @ J E ; ; B 6 D ` ) 4 ] > . 0 E D < J 6 6 F B D : Q Q Q MC : 41
引!言
按照能否精确重建图像分类 图像压缩有无损压缩和有损压缩两种方式有损压缩放弃某些人眼容 达到比较高的压缩比 因而得到广泛应用无损压缩只是消除了冗余度 而没有任何信息 易忽略的信息 的损失无损压缩能够达到的压缩比十分有限 因此无损压缩仅应用在相对珍贵或者获取成本高昂的图 例如珍贵文献的数字资源 医学或遥感图像但随着电子行业和网络的发展 人们对高品质图 像保存中
$ ! 自适应校正 # $ 以及对 E 9 7 A J@ 6 F E 7模式下编码包括固定预测 # I B S E FQ J E F B C < 6 J A F A < B L EC 6 J J E C < B 6 D !!1 : Q 预测残差的 ] ! 预测函数为 6 7 6 @ O编码%固定预测是通过像素Q 周围的相关像素/! U 9进行预测! # $B # $ @ B D /! U I 95 @ A S /! U ' # $B # $ Q34Y 4 & @ A S /! U I 9# @ B D /! U l ( /HUO 9 6 < H E J P B ; E # $ &
'( 则模式处理# $ % 1 E 9 7 A J@ 6 F E 7 ` ) 4 ] > . 0的核心就是对 1 E 9 7 A J@ 6 F E 7下的编码进行处理 ! % : :
当对图像数据的第一行进行编码时! 如图&所示! 这三个值设为% & 在当前数据位于 Q Q Q U! 9! 2 不存在 ! 行头或行尾时! Q Q Q Q Q Q /! 9! 2 不存在 ! /! 2 取Q U 得重建值N U! U 取上一行的Q / 得重建值N /% 如图 ! 所示 ! 方框内为待编码的图像数据%
( $ 左上角开始到右下角' %
对任意给定样本 Q' 编码时! 该邻域 ( ( Q' (( 3 &! $( 包括
图7 X G Y T H Z :的因果模板 ! 9 # 8 7 * , * 0 & % ; 0 * & % " . & ) % X G Y T H Z :* 0 " 2 # & ) ; !W + > +
7 X G Y T H Z :的编码原理 !
` ) 4 ] > . 0依赖于预测编码技术和差值预测环境自 预测编码和环境自适应编码两种技术 适应编码技术! 都涉及到邻域的概念! 邻域是当前编码的样本集! 用来 构建预测结果或者为当前样本值的环境编码% ` ) 4 ] > $ 如 . 0采用的上下文建模的因果模板# C A 9 ; A 7 < E @ 7 A < E Q 图& 所示% 图像样本以光栅顺序逐一编码! 从图像的
( & ! & ! ( & ! ( Q (( ( ( Q (( ( ( Q (( ( ( Q (( ( ( @Q' @Q' @Q' @Q' /' &! $ O& U' & O& $( 9' & O& $ O& 2' & O& $ H& 通常把当前抽样值和其邻近值分别简写为Q' 和Q (( Q Q Q !!为方便起见! /! U! 9! 2%
第! "卷!第#期 $ % & #年'月
光!学!仪!器
( ) * + , .+ / 0 * 1 234 / * 0
5 6 7 8 ! " / 6 8 # 9 9 ; < $ % & # :
& % % = > = " ! % $ % & # % # > % ! & = > % # !!文章编号
!第#期
宋鸿梅! 等" 图像无损压缩算法` ) 4 ] > . 0实现及性能研究
*! * & X !!
式中! 4表示定义% 通过预测得到像素Q 的预测值DQ! 预测误差包括两部分! 一部分为其整数部分# $ ! 一部分为小数 O B A ; 部分# $ ! 通过自适应校正得到没有整数部分的残差% 这一ຫໍສະໝຸດ Baidu是通过自适应校正 # $ ; H B I < A F A < B L EC 6 J J E C < B 6 D Q 来实现的! 也称去除整数偏差# $ %这一步利用上下文参数# $ 通过递归反馈的方式 O B A ; C A D C E 7 7 A < B 6 D C 6 D < E S <